Tensorflow示例为Android

Question

Tensorflow已经提供此tutorial作为在Android应用程序上使用张量流的示例。

我已成功构建应用程序并在我的设备上启动它。我也阅读了代码。

但我不知道该从哪里出发！我有一个tensorflow代码，可以根据训练数据计算出准确性。

如何在我自己的android应用程序中使用该模型。张量流描述不超出构建指令。

请帮忙！

Answer 1

有一些很好的教程，应该引导你完成这些步骤。使用strip_unused工具（使它与Android演示应用程序兼容）

• 处理您的TensorFlow型号：

  假设我们正在谈论的图像分类问题，您应该只需要。

• 将您的新标签的剥离TensorFlow .pb型号和您的.txt复制到Android assets文件夹中。
• 再次构建Android演示应用程序。

欲了解更多信息，请this blog post，我写了如何做到这一点。

Answer 2

首先，您需要将模型保存为.pb（protobuf）文件。 在你的应用程序中，你将需要加载这个.pb文件。您可以使用tf/python/tools freeze_graph.freeze_graph()

您还需要包含所有C++实现的libtensorflow_inference.so。

最后您将需要libandroid_tensorflow_inference_java.jar。

有了这些你就可以写：

inferenceInterface.initializeTensorFlow(getAssets(), MODEL_FILE); 

inferenceInterface.fillNodeFloat(INPUT_NODE, INPUT_SIZE, inputFloats); 

inferenceInterface.runInference(new String[] {OUTPUT_NODE}); 

inferenceInterface.readNodeFloat(OUTPUT_NODE, resu); 

有在这里一个伟大的教程：https://omid.al/posts/2017-02-20-Tutorial-Build-Your-First-Tensorflow-Android-App.html

GitHub库的应用程序：https://github.com/omimo/TFDroid

对我来说这帮助了很多的理解Android上tf的基础知识。

Answer 3

完成的具体的方法来构建TensorFlow为Android

git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git 

注：--recurse-子模块是重要的拉子模块。

从这里安装Bazel。 Bazel是TensorFlow的主要构建系统。 现在，编辑WORKSPACE，我们可以在我们先前克隆的TensorFlow的根目录中找到WORKSPACE文件。

# Uncomment and update the paths in these entries to build the Android demo. 
#android_sdk_repository(
# name = "androidsdk", 
# api_level = 23, 
# build_tools_version = "25.0.1", 
# # Replace with path to Android SDK on your system 
# path = "<PATH_TO_SDK>", 
#) 
# 
#android_ndk_repository(
# name="androidndk", 
# path="<PATH_TO_NDK>", 
# api_level=14) 

一如我们的SDK和NDK路径如下：

android_sdk_repository(
    name = "androidsdk", 
    api_level = 23, 
    build_tools_version = "25.0.1", 
    # Replace with path to Android SDK on your system 
    path = "/Users/amitshekhar/Library/Android/sdk/", 
) 
android_ndk_repository(
    name="androidndk", 
    path="/Users/amitshekhar/Downloads/android-ndk-r13/", 
    api_level=14) 

然后建立.so文件。

bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so \ 
    --crosstool_top=//external:android/crosstool \ 
    --host_crosstool_top=@bazel_tools//tools/cpp:toolchain \ 
    --cpu=armeabi-v7a 

用我们期望的目标架构替换armeabi-v7a。 图书馆将位于：

bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so 

要构建Java对方：

bazel build //tensorflow/contrib/android:android_tensorflow_inference_java 

我们可以找到的JAR文件：

bazel-bin/tensorflow/contrib/android/libandroid_tensorflow_inference_java.jar 

现在我们有两个罐子。如此档案。我已经建立了.so文件和jar文件，你可以直接使用project。

将libandroid_tensorflow_inference_java.jar放入libs文件夹中并右键单击并添加为库。

compile files('libs/libandroid_tensorflow_inference_java.jar') 

创建主目录文件夹jniLibs并把libtensorflow_inference.so在jniLibs/armeabi-V7A /文件夹。

现在，我们将能够调用TensorFlow Java API。

TensorFlow Java API通过类TensorFlowInferenceInterface公开了所有必需的方法。

现在，我们必须使用模型路径调用TensorFlow Java API并加载它。

我写了一个完整的博客here。